Texto para vídeo

Duas entradas oficiais T2V

O único oficial...GPU comandos

python generate.py --task t2v-A14B --size 1280*720 --ckpt_dir ./Wan2.2-T2V-A14B --offload_model True --convert_model_dtype --prompt "Two anthropomorphic cats in comfy boxing gear and bright gloves fight intensely on a spotlighted stage."

python generate.py --task ti2v-5B --size 1280*704 --ckpt_dir ./Wan2.2-TI2V-5B --offload_model True --convert_model_dtype --t5_cpu --prompt "Two anthropomorphic cats in comfy boxing gear and bright gloves fight intensely on a spotlighted stage"

Multi-GPU usa torchrun com --dit_fsdp --t5_fsdp --ulysses_size. O exemplo README para oito GPUs é o caminho suportado quando um único cartão 80 GB não está disponível.

O que faz a pilha

• Encoder de texto: UMT5-XXL. Descarregue com --t5_cpu se VRAM estiver apertado.
• Espécie vertebral: fluxo de correspondência DiT. A14B comuta especialistas por SNR; TI2V-5B é denso.
• Latentes: Wan-VAE (2.1-style 4×8×8 em A14B; 2.2 4×16×16 em TI2V-5B).
• Recomenda-se a extensão rápida; ver o wiki de extensão rápida.

As alegações de qualidade a tomar da fonte

As tabelas README posicionam Wan2.2 como superando Wan-Bench 2.0 versus vários modelos fechados, com mais dados de movimento/semântica/estética do que Wan2.1. Tratar tabelas SOTA de terceiros como marketing, a menos que citem o mesmo banco e o mesmo ponto de verificação 2.2 (A14B vs 5B vs um pacote comunitário quantizado).

Perguntas frequentes

Que tamanho devo passar?

A14B usa 1280*720 (ou um par 480P). TI2V-5B 720P é 1280*704 ou 704*1280 não 1280*720. Essa diferença é na README oficial.

Quanto tempo é um clip?

As receitas públicas são curtas filmagens (na ordem de 5 segundos). S2V A duração segue a faixa de áudio.

Diffusers?

Sim. Wan-AI/Wan2.2-T2V-A14B-Diffusers e Wan2.2-TI2V-5B-Diffusers estão listados no bloco de notícias de 28 de julho de 2025.